高光譜目標(biāo)探測是運(yùn)用光譜分析和計(jì)算機(jī)視覺技術(shù),從高光譜圖像上探測出含有目標(biāo)物的像元位置的技術(shù)。它是高光譜圖像處理的一個(gè)分支,被廣泛應(yīng)用于軍事、農(nóng)業(yè)等領(lǐng)域。隨著無人機(jī)技術(shù)與光譜成像技術(shù)的發(fā)展,無人機(jī)航拍的高分辨率高光譜圖像（high-resolution hyperspectral image,HRHSI）應(yīng)運(yùn)而生。相比與傳統(tǒng)的低分辨率高光譜圖像,HRHSI具有其自身特點(diǎn),傳統(tǒng)的面向低分辨率高光譜圖像的目標(biāo)探測算法在HRHSI上難以取得令人滿意的效果,迫切需要發(fā)展一套HRHSI上的目標(biāo)探測算法。為此,本文對(duì)面向HRHSI的目標(biāo)探測算法展開了深入研究,研究工作主要包括:一、提出了一種新的角點(diǎn)特征——極值約束空譜域角點(diǎn)（extreme-constrained spatial-spectral corner,ECSSC）及其提取算法。鑒于角點(diǎn)特征在圖像處理與模式識(shí)別中的良好表現(xiàn),以及現(xiàn)有的三維角點(diǎn)特征提取算法充分考慮高光譜圖像上空間和光譜上的特性的問題,本文提出一種新的高光譜圖像角點(diǎn)特征ECSSC及其提取算法,提取在空間域顯著變化和譜域緩慢變化的特征點(diǎn)。實(shí)驗(yàn)結(jié)果表明所提算法能夠提取豐富的具有高... 

【文章來源】：深圳大學(xué)廣東省

【文章頁數(shù)】：89 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

R-CNN目標(biāo)探測算法流程圖

FastR-CNN目標(biāo)探測算法流程圖

FasterR-CNN目標(biāo)探測算法改進(jìn)部分[44]

【參考文獻(xiàn)】：
期刊論文
[1]基于城市街區(qū)距離的證據(jù)融合方法[J]. 魏永超,莊夏.  智能計(jì)算機(jī)與應(yīng)用. 2017(01)
[2]雷達(dá)微弱目標(biāo)檢測前跟蹤技術(shù)研究綜述[J]. 楊亞波,夏永紅,匡華星,丁春.  雷達(dá)與對(duì)抗. 2015(02)
[3]基于譜域-空域結(jié)合特征和圖割原理的高光譜圖像分類[J]. 尤雅萍,成運(yùn),蘇松志,曹冬林,李紹滋.  智能系統(tǒng)學(xué)報(bào). 2015(02)
[4]高分辨率航空遙感高光譜圖像稀疏張量目標(biāo)檢測[J]. 谷延鋒,高國明,鄭賀,劉永健.  測繪通報(bào). 2015(01)
[5]基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測[J]. 高常鑫,桑農(nóng).  測繪通報(bào). 2014(S1)
[6]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[7]壓縮感知在雷達(dá)目標(biāo)探測與識(shí)別中的研究進(jìn)展[J]. 張弓,楊萌,張勁東,陶宇.  數(shù)據(jù)采集與處理. 2012(01)
[8]基于高光譜數(shù)據(jù)的呼倫貝爾草原花期物種識(shí)別和覆蓋度估算[J]. 蓋穎穎,范聞捷,徐希孺,閆彬彥,王煥炯,劉媛.  光譜學(xué)與光譜分析. 2011(10)
[9]基于高光譜吸收特征參數(shù)以及光譜吸收指數(shù)的藻類葉綠素a反演分離模型研究[J]. 張俊,沈亞婷,王學(xué)軍.  農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào). 2011(08)
[10]高距離分辨率雷達(dá)目標(biāo)檢測研究現(xiàn)狀與進(jìn)展[J]. 簡濤,何友,蘇峰,曲長文,顧新鋒.  宇航學(xué)報(bào). 2010(12)

博士論文
[1]基于光譜維變換的高光譜圖像目標(biāo)探測研究[D]. 劉翔.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2008
[2]時(shí)空信息輔助下的高光譜數(shù)據(jù)挖掘[D]. 張兵.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2002



本文編號(hào)：3132143